JP7249449B1 - アレーアンテナ学習モデル検証プログラム、アレーアンテナ学習モデル検証方法、アレーアンテナ励振特性校正プログラム及びアレーアンテナ励振特性校正方法 - Google Patents

アレーアンテナ学習モデル検証プログラム、アレーアンテナ学習モデル検証方法、アレーアンテナ励振特性校正プログラム及びアレーアンテナ励振特性校正方法 Download PDF

Info

Publication number
JP7249449B1
JP7249449B1 JP2022045526A JP2022045526A JP7249449B1 JP 7249449 B1 JP7249449 B1 JP 7249449B1 JP 2022045526 A JP2022045526 A JP 2022045526A JP 2022045526 A JP2022045526 A JP 2022045526A JP 7249449 B1 JP7249449 B1 JP 7249449B1
Authority
JP
Japan
Prior art keywords
excitation
excitation phase
array antenna
learning model
radiation pattern
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2022045526A
Other languages
English (en)
Other versions
JP2023139809A (ja
Inventor
哲也 家
昇紘 松本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kozo Keikaku Engineering Inc
Original Assignee
Kozo Keikaku Engineering Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kozo Keikaku Engineering Inc filed Critical Kozo Keikaku Engineering Inc
Priority to JP2022045526A priority Critical patent/JP7249449B1/ja
Application granted granted Critical
Publication of JP7249449B1 publication Critical patent/JP7249449B1/ja
Publication of JP2023139809A publication Critical patent/JP2023139809A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

【課題】アレーアンテナの各素子の初期励振位相誤差及び初期励振振幅誤差の推定・補正において多くの測定の手間及び時間を不要とするアレーアンテナ学習モデル検証プログラム及び方法並びにアレーアンテナ励振特性校正プログラム及び方法を提供する。【解決手段】方法は、放射パターンを入力し、各素子の励振特性を出力する学習モデルを生成し、学習モデルを検証するにあたり、各素子の励振特性の推定を失敗したときに、各素子の励振特性の推定を成功するまで、残差放射パターンの学習モデルへの再帰的入力を繰り返し、各素子の励振特性の推定を成功するまでの推定回数を検証する。さらに、各素子の励振特性を校正するにあたり、学習モデルを適用することにより、各素子の励振特性の推定を失敗したときに、各素子の励振特性の推定が成功するまで、校正放射パターンの学習モデルへの再帰的入力を繰り返し、各素子の励振特性の校正処理の高精度化を実行する。【選択図】図６

Description

本開示は、アレーアンテナの各素子の励振位相振幅を推定する技術に関する。
無線通信は時代とともに通信容量・低遅延性・高信頼性の向上を求められ、電波の発信端であるアンテナもミリ波帯と呼ばれる高周波数帯に対応することで小型化してきた。一方、高周波数帯では空間伝搬損失が非常に大きくなるため、その電力損失を補うべく複数アンテナ素子を並べて、電波を特定方向に集中させて放射するアレーアンテナ及びその関連技術が発展してきた。基地局のアンテナにアレーアンテナを用いる場合、アレーアンテナの各素子の励振位相振幅には様々なハードウェア要因により誤差が生じてしまう。
従来は、アレーアンテナの各素子の励振位相振幅誤差は、ＲＥＶ法（Ｒｏｔａｔｉｎｇ ｅｌｅｍｅｎｔ Ｅｌｅｃｔｒｉｃ－ｆｉｅｌｄ Ｖｅｃｔｏｒ ｍｅｔｈｏｄ）又はＭＥＰ法（Ｍｕｌｔｉ－Ｅｌｅｍｅｎｔ Ｐｈａｓｅ－ｔｏｇｇｌｅ ｍｅｔｈｏｄ）により、推定・補正が行われてきた（例えば、非特許文献１等を参照。）。
真野清司、片木孝至、"フェイズドアレーアンテナの素子振幅位相測定法－素子電界ベクトル回転法－"、電子情報通信学会論文誌、電子情報通信学会、１９８２年５月、第Ｂ６５巻、第５号、ｐｐ．５５５－５６０．
ＲＥＶ法は、アレーアンテナの素子ごとに移相器を０度から３６０度まで１回転させて、アレー合成電力の変化を測定していき、その結果を用いてアレーアンテナの各素子の初期励振位相誤差及び初期励振振幅誤差を推定する手法である。この手法は、アレー合成電力測定のみで良い一方、アレー合成電力測定の回数がアレーアンテナの素子数に比例して多くなり、アレー合成電力測定に時間がかかるという課題があった。
ＭＥＰ法は、アレーアンテナの素子ごとに移相器による位相シフト量を変えて、複数素子同時に又は全素子同時に励振位相を変化させたときのアレー合成電界（振幅及び位相）を測定していき、その結果を用いてアレーアンテナの各素子の初期励振位相誤差及び初期励振振幅誤差を推定する手法である。この手法は、ＲＥＶ法に比べ複数素子同時に又は全素子同時に初期励振位相誤差及び初期励振振幅誤差を推定することができるが、位相切り替えを複数回行う必要があり、また、ある周波数一点に着目した場合にアレー合成電力測定より精度上不利なアレー合成電界（振幅及び位相）測定を行う必要があるという課題があった。
さらに、通常アレーアンテナの各素子の初期励振位相誤差及び初期励振振幅誤差の推定・補正のための測定を行う前に、補正前後を比較して補正効果を確認するために、アレーアンテナの補正後放射パターンのみならず、アレーアンテナの補正前放射パターンを測定する。このように、アレーアンテナの各素子の初期励振位相誤差及び初期励振振幅誤差の推定・補正において、多くの測定の手間及び時間が必要であった。
そこで、前記課題を解決するために、本開示は、アレーアンテナの各素子の初期励振位相誤差及び初期励振振幅誤差（初期励振振幅誤差を含めず、初期励振位相誤差のみも可。）の推定・補正において、多くの測定の手間及び時間を不要とすることを目的とする。
前記課題を解決するために、アレーアンテナの放射特性を入力し、アレーアンテナの各素子の励振特性を出力する、学習モデルを生成する。そして、学習モデルにおいて、アレーアンテナの補正前放射パターンを入力し、アレーアンテナの各素子の励振特性を出力する。つまり、事前に学習モデルを生成しておけば、アレーアンテナの補正前放射パターンを測定するのみにより、アレーアンテナの各素子の励振特性を推定することができる。
よって、アレーアンテナの各素子の初期励振位相誤差及び初期励振振幅誤差（初期励振振幅誤差を含めず、初期励振位相誤差のみも可。）の推定・補正において、多くの測定の手間及び時間を不要とするための、学習モデルを生成・利用することができる。
ところで、学習モデルを検証するにあたり、高い確率で各素子の励振特性を推定することができるが、ごくまれに各素子の励振特性を誤推定することがある。そこで、各素子の励振特性の推定失敗のときに、各素子の励振特性の推定成功まで、残差放射パターン（各素子の残差励振特性及び指向性パターンに基づいて計算する。）の学習モデルへの再帰的入力を繰り返し、各素子の励振特性の推定成功までの推定回数を検証する。
具体的には、本開示は、アレーアンテナの電力放射パターン、電界実部放射パターン及び電界虚部放射パターンのうちの少なくともいずれか一つを入力し、前記アレーアンテナの各素子の励振位相又は励振位相振幅を出力する前記アレーアンテナの学習モデルを検証するにあたり、検証放射パターンを前記学習モデルへと入力し、前記各素子の推定励振位相又は推定励振位相振幅を前記学習モデルから出力する学習モデル入出力ステップと、（１）前記各素子の推定励振位相又は推定励振位相振幅と、前記各素子の真の励振位相又は真の励振位相振幅と、の間の前記各素子の残差励振位相又は残差励振位相振幅を計算する、あるいは、（２）前記各素子の残差励振位相又は残差励振位相振幅及び指向性パターンに基づいて、残差放射パターンを計算する残差励振特性計算ステップと、（１）前記各素子の残差励振位相又は残差励振位相振幅に基づいて、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度を計算する、あるいは、（２）前記残差放射パターンと、前記各素子のゼロ励振位相、等しい励振振幅及び指向性パターンに基づく理想放射パターンと、の間の差分に基づいて、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度を計算する励振特性精度計算ステップと、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度が所定値と比べて高いときに、前記各素子の励振位相又は励振位相振幅の推定成功を判断し、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度が前記所定値と比べて低いときに、前記各素子の励振位相又は励振位相振幅の推定失敗を判断する励振特性精度判断ステップと、前記各素子の励振位相又は励振位相振幅の推定失敗のときに、前記各素子の励振位相又は励振位相振幅の推定成功まで、前記残差放射パターンを前記学習モデルへと再帰的入力し、前記学習モデル入出力ステップ、前記残差励振特性計算ステップ、前記励振特性精度計算ステップ及び前記励振特性精度判断ステップを繰り返し、前記各素子の励振位相又は励振位相振幅の推定成功までの推定回数を検証する推定回数検証ステップと、をコンピュータに実行させるためのアレーアンテナ学習モデル検証プログラムである。
この構成によれば、学習モデルを検証するにあたり、ごくまれに各素子の励振特性を誤推定しても、各素子の励振特性の推定成功までの推定回数を検証することができる。
また、本開示は、前記学習モデル入出力ステップは、前記検証放射パターンを前記学習モデルへと入力し、前記各素子の推定励振位相のみを前記学習モデルから出力し、前記励振特性精度計算ステップは、全ての前記検証放射パターンについて、前記各素子の残差励振位相に基づく、前記アレーアンテナ全体の励振位相の第１推定精度と、前記残差放射パターンと前記理想放射パターンとの間の差分に基づく、前記アレーアンテナ全体の励振位相の第２推定精度と、の間の相関関係をプロット及びフィッティングし、前記励振特性精度判断ステップは、前記第１推定精度と前記第２推定精度との間のフィッティングにおいて、所望第１推定精度に基づいて、所望第２推定精度を計算し、各々の前記検証放射パターンについて、前記第２推定精度が前記所望第２推定精度と比べて高いときに、前記各素子の励振位相の推定成功を判断し、前記第２推定精度が前記所望第２推定精度と比べて低いときに、前記各素子の励振位相の推定失敗を判断することを特徴とするアレーアンテナ学習モデル検証プログラムである。
この構成によれば、各素子の励振位相を校正するにあたり、校正放射パターンと理想放射パターンとの間の差分に基づいて、各素子の残差励振位相を間接的に推定し、校正放射パターンの学習モデルへの再帰的入力の可否を判断することができる。
また、本開示は、以上に記載のアレーアンテナ学習モデル検証プログラムが前記コンピュータに実行させる各ステップを備えることを特徴とするアレーアンテナ学習モデル検証方法である。
この構成によれば、以上に記載の効果を有する検証処理を実行することができる。
ところで、学習モデルを適用することにより、各素子の励振特性を校正するにあたり、高い確率で各素子の励振特性を推定することができるが、ごくまれに各素子の励振特性を誤推定することがある。そこで、各素子の励振特性の推定失敗のときに、各素子の励振特性の推定成功まで、校正放射パターン（各素子の励振特性の校正時に測定する。）の学習モデルへの再帰的入力を繰り返し、各素子の励振特性の校正処理の高精度化を実行する。
具体的には、本開示は、アレーアンテナの電力放射パターン、電界実部放射パターン及び電界虚部放射パターンのうちの少なくともいずれか一つを入力し、前記アレーアンテナの各素子の励振位相又は励振位相振幅を出力する前記アレーアンテナの学習モデルを適用することにより、前記アレーアンテナの各素子の励振位相又は励振位相振幅を校正するにあたり、測定放射パターンを前記学習モデルへと入力し、前記各素子の推定励振位相又は推定励振位相振幅を前記学習モデルから出力する学習モデル入出力ステップと、前記各素子の推定励振位相又は推定励振位相振幅に基づいて、前記各素子の励振位相又は励振位相振幅を校正し、校正放射パターンを測定する励振特性校正ステップと、前記校正放射パターンと、前記各素子のゼロ励振位相、等しい励振振幅及び指向性パターンに基づく理想放射パターンと、の間の差分に基づいて、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度を計算する励振特性精度計算ステップと、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度が所定値と比べて高いときに、前記各素子の励振位相又は励振位相振幅の推定成功を判断し、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度が前記所定値と比べて低いときに、前記各素子の励振位相又は励振位相振幅の推定失敗を判断する励振特性精度判断ステップと、前記各素子の励振位相又は励振位相振幅の推定失敗のときに、前記各素子の励振位相又は励振位相振幅の推定成功まで、前記校正放射パターンを前記学習モデルへと再帰的入力し、前記学習モデル入出力ステップ、前記励振特性校正ステップ、前記励振特性精度計算ステップ及び前記励振特性精度判断ステップを繰り返し、前記各素子の励振位相又は励振位相振幅の校正処理の高精度化を実行する校正高精度化ステップと、をコンピュータに実行させるためのアレーアンテナ励振特性校正プログラムである。
この構成によれば、各素子の励振特性を校正するにあたり、ごくまれに各素子の励振特性を誤推定しても、各素子の励振特性の校正処理の高精度化を実行することができる。
また、本開示は、前記学習モデル入出力ステップは、前記測定放射パターンを前記学習モデルへと入力し、前記各素子の推定励振位相のみを前記学習モデルから出力し、アレーアンテナ学習モデル検証プログラムを用いて、前記励振特性精度計算ステップにおいて、全ての前記検証放射パターンについて、前記各素子の残差励振位相に基づく、前記アレーアンテナ全体の励振位相の第１推定精度と、前記残差放射パターンと前記理想放射パターンとの間の差分に基づく、前記アレーアンテナ全体の励振位相の第２推定精度と、の間の相関関係がプロット及びフィッティングされ、前記励振特性精度判断ステップは、前記第１推定精度と前記第２推定精度との間のフィッティングにおいて、所望第１推定精度に基づいて、所望第２推定精度を計算し、前記校正放射パターンについての推定精度が前記所望第２推定精度と比べて高いときに、前記各素子の励振位相の推定成功を判断し、前記校正放射パターンについての推定精度が前記所望第２推定精度と比べて低いときに、前記各素子の励振位相の推定失敗を判断することを特徴とするアレーアンテナ励振特性校正プログラムである。
この構成によれば、各素子の励振位相を校正するにあたり、校正放射パターンと理想放射パターンとの間の差分に基づいて、各素子の残差励振位相を間接的に推定し、校正放射パターンの学習モデルへの再帰的入力の可否を判断することができる。
また、本開示は、以上に記載のアレーアンテナ励振特性校正プログラムが前記コンピュータに実行させる各ステップを備えることを特徴とするアレーアンテナ励振特性校正方法である。
この構成によれば、以上に記載の効果を有する校正処理を実行することができる。
このように、本開示は、アレーアンテナの各素子の初期励振位相誤差及び初期励振振幅誤差（初期励振振幅誤差を含めず、初期励振位相誤差のみも可。）の推定・補正において、多くの測定の手間及び時間を不要とすることができる。
そして、学習モデルを検証するにあたり、ごくまれに各素子の励振特性を誤推定しても、各素子の励振特性の推定成功まで、残差放射パターンの学習モデルへの再帰的入力を繰り返し、各素子の励振特性の推定成功までの推定回数を検証することができる。
さらに、各素子の励振特性を校正するにあたり、ごくまれに各素子の励振特性を誤推定しても、各素子の励振特性の推定成功まで、校正放射パターンの学習モデルへの再帰的入力を繰り返し、各素子の励振特性の校正処理の高精度化を実行することができる。
第１実施形態の学習モデルの構成、入力及び出力を示す図である。 第１実施形態の学習モデルの検証段階での推定位相誤差を示す図である。 第１実施形態の学習モデルの校正段階での推定位相誤差を示す図である。 第１実施形態の学習モデルの検証段階での位相推定の失敗例を示す図である。 第１実施形態の学習モデル検証装置の構成を示す図である。 第１実施形態の学習モデル検証処理の手順を示す図である。 第１実施形態の学習モデルの検証段階での推定失敗率を示す図である。 第１実施形態の学習モデルの検証段階での再帰的入力の成功例を示す図である。 第１実施形態の励振特性校正装置の構成を示す図である。 第１実施形態の励振特性校正処理の手順を示す図である。 第２実施形態の学習モデルの構成、入力及び出力を示す図である。 第２実施形態の学習モデル検証処理の手順を示す図である。 第２実施形態の励振特性校正処理の手順を示す図である。
添付の図面を参照して本開示の実施形態を説明する。以下に説明する実施形態は本開示の実施の例であり、本開示は以下の実施形態に制限されるものではない。
（第１実施形態の学習モデルの概要）
第１実施形態の学習モデルの構成、入力及び出力を図１に示す。学習モデルは、ニューラルネットワーク１であり、入力層１１、中間層１２及び出力層１３を備える。
入力層２１は、アレーアンテナの電力放射パターンが入力される。出力層２３は、アレーアンテナの各素子の励振位相を出力する。中間層２２は、アレーアンテナの各素子の励振位相（ランダムに設定）と、アレーアンテナの電力放射パターンと、を備える複数の教師データを用いて、パラメータ（ノード間の結合係数）が学習される。
よって、アレーアンテナの各素子の初期励振位相誤差の推定・補正において、多くの測定の手間及び時間を不要とするための、学習モデルを生成・利用することができる。すると、アレーアンテナの試験時間の大半は、アレーアンテナの各素子の初期励振位相誤差の推定・補正ではなく、アレーアンテナの本質的な特性評価に充てられる。
第１実施形態の学習モデルの検証段階での推定位相誤差を図２に示す。図２の左欄では、アレーアンテナの各素子の真の励振位相を実線で示し、アレーアンテナの真の電力放射パターンに基づく、アレーアンテナの各素子の推定励振位相を破線で示す。図２の右欄では、アレーアンテナの真の電力放射パターンを実線で示し、アレーアンテナの各素子の推定励振位相に基づく、アレーアンテナの推定電力放射パターンを破線で示す。
ここで、図２では、平均の場合として、推定位相誤差δＲＭＳＥ＝６．９６°（数式１を参照）であった。そして、図２の左欄では、アレーアンテナの各素子の推定励振位相は、アレーアンテナの各素子の真の励振位相に近かった。さらに、図２の右欄では、アレーアンテナの推定電力放射パターンは、アレーアンテナの真の電力放射パターンに近かった。
第１実施形態の学習モデルの校正段階での推定位相誤差を図３に示す。図３の左欄では、アレーアンテナの各素子のＲＥＶ法の推定励振位相を実線で示し、アレーアンテナの各素子の本開示の推定励振位相を破線で示す。図３の右欄では、アレーアンテナのＲＥＶ法の推定電力放射パターンを実線で示し、アレーアンテナの本開示の推定電力放射パターンを破線で示し、アレーアンテナの校正前の測定電力放射パターンを鎖線で示す。
ここで、図３では、推定位相誤差δＲＭＳＥ＝１１．１°（数式１を参照）であった。そして、図３の左欄では、アレーアンテナの各素子の本開示の推定励振位相は、アレーアンテナの各素子のＲＥＶ法の推定励振位相にほぼ近かった。さらに、図３の右欄では、アレーアンテナの本開示の推定電力放射パターンは、アレーアンテナのＲＥＶ法の推定電力放射パターンと比べて、アレーアンテナの校正前の測定電力放射パターンにより近かった。
第１実施形態の学習モデルの検証段階での位相推定の失敗例を図４に示す。図４の左欄では、アレーアンテナの各素子の真の励振位相を実線で示し、アレーアンテナの真の電力放射パターンに基づく、アレーアンテナの各素子の推定励振位相を破線で示す。図４の右欄では、アレーアンテナの真の電力放射パターンを実線で示し、アレーアンテナの各素子の推定励振位相に基づく、アレーアンテナの推定電力放射パターンを破線で示す。
ここで、図４では、最悪の場合として、推定位相誤差δＲＭＳＥ＝８９．８°（数式１を参照）であった。そして、図４の左欄では、アレーアンテナの各素子の推定励振位相は、アレーアンテナの各素子の真の励振位相から外れた。さらに、図４の右欄では、アレーアンテナの推定電力放射パターンは、アレーアンテナの真の電力放射パターンから外れた。
つまり、学習モデルを検証するにあたり、高い確率で各素子の励振位相を推定することができるが、ごくまれに各素子の励振位相を誤推定することがある。そして、学習モデルを適用することにより、各素子の励振位相を校正するにあたり、高い確率で各素子の励振位相を推定することができるが、ごくまれに各素子の励振位相を誤推定することがある。
（第１実施形態の学習モデルの検証段階）
第１実施形態の学習モデル検証装置の構成を図５に示す。第１実施形態の学習モデル検証処理の手順を図６に示す。教師データ記憶装置Ｓは、教師データ（訓練データ及び検証データ）を記憶している。学習モデル検証装置Ｔは、ニューラルネットワーク１、残差励振特性計算部２、励振特性精度計算部３及び励振特性精度判断部４を備え、図６に示した学習モデル検証プログラムをコンピュータにインストールし実現することができる。
第１実施形態の学習モデルの検証段階では、各素子の励振位相の推定失敗のときに、各素子の励振位相の推定成功まで、残差放射パターン（各素子の残差励振位相及び指向性パターンに基づいて計算する。）の学習モデルへの再帰的入力を繰り返し、各素子の励振位相の推定成功までの推定回数を検証する。以下に具体的な処理を説明する。
ニューラルネットワーク１は、検証放射パターン（各素子の真の励振位相δ１、・・・、δ８）を入力する（ステップＳ１）。ニューラルネットワーク１は、各素子の推定励振位相δ１＾、・・・、δ８＾（＾はハットを示す）を出力する（ステップＳ２）。
残差励振特性計算部２は、各素子の推定励振位相δ１＾、・・・、δ８＾と、各素子の真の励振位相δ１、・・・、δ８と、の間の各素子の残差励振位相δ１’（＝δ１－δ１＾）、・・・、δ８’（＝δ８－δ８＾）を計算する（ステップＳ３）。残差励振特性計算部２は、各素子の残差励振位相δ１’、・・・、δ８’及び指向性パターンｇ１（θ）、・・・、ｇ８（θ）に基づいて、残差放射パターンＰ（θ）を計算する（ステップＳ４）。
励振特性精度計算部３は、各素子の残差励振位相δ１’、・・・、δ８’に基づいて、推定位相誤差δＲＭＳＥを計算する（ステップＳ５、数式１）。ここで、各素子の残差励振位相δ１’、・・・、δ８’の循環性（０°～３６０°）が考慮されている。
Figure 0007249449000002
励振特性精度計算部３は、残差放射パターンＰ（θ）と、各素子のゼロ励振位相０°、等しい励振振幅Ａ及び指向性パターンｇ１（θ）、・・・、ｇ８（θ）に基づく理想放射パターンＩ（θ）と、の間の差分に基づいて、放射相違係数ＤＣを計算する（ステップＳ５、数式２）。ここで、Ｐ￣（￣はバーを示す）は、Ｐ（θ）の平均値であり、Ｉ￣（￣はバーを示す）は、Ｉ（θ）の平均値である。そして、放射相違係数ＤＣは、放射パターン絶対値によらず、放射パターン形状差が大きい／小さいときに、１／０に近くなる。
Figure 0007249449000003
励振特性精度計算部３は、全ての検証放射パターンについて、推定位相誤差δＲＭＳＥと放射相違係数ＤＣとの相関関係をプロット及びフィッティングする（ステップＳ６）。ここで、推定位相誤差δＲＭＳＥが増加するにつれて、放射相違係数ＤＣが単調増加している。そして、最小二乗法又はＬａｓｓｏを用いて、多項式フィッティングしている。
励振特性精度判断部４は、推定位相誤差δＲＭＳＥと放射相違係数ＤＣとの間のフィッティングｆ（δＲＭＳＥ）において、所望推定位相誤差δＲＭＳＥ ｔｈｒｅｓに基づいて、所望放射相違係数ＤＣ ｔｈｒｅｓ（＝ｆ（δＲＭＳＥ ｔｈｒｅｓ））を計算する（ステップＳ６）。そして、各々の検証放射パターンについて、放射相違係数ＤＣが所望放射相違係数ＤＣ ｔｈｒｅｓと比べて小さいときに、各素子の励振位相の推定成功を判断する（ステップＳ７）。一方で、各々の検証放射パターンについて、放射相違係数ＤＣが所望放射相違係数ＤＣ ｔｈｒｅｓと比べて大きいときに、各素子の励振位相の推定失敗を判断する（ステップＳ８）。
励振特性精度判断部４は、各々の検証放射パターンについて、推定位相誤差δＲＭＳＥが所望推定位相誤差δＲＭＳＥ ｔｈｒｅｓと比べて小さいときに、各素子の励振位相の推定成功を判断してもよい（ステップＳ７）。一方で、各々の検証放射パターンについて、推定位相誤差δＲＭＳＥが所望推定位相誤差δＲＭＳＥ ｔｈｒｅｓと比べて大きいときに、各素子の励振位相の推定失敗を判断してもよい（ステップＳ８）。或いは、残差放射パターンＰ（θ）のメイン／サイドローブの強度／幅に基づいて、各素子の励振位相の推定成功／失敗を判断してもよい。
励振特性精度判断部４は、各素子の励振位相の推定失敗のときに（ステップＳ８）、各素子の励振位相の推定成功まで（ステップＳ７）、残差放射パターンＰ（θ）をニューラルネットワーク１へと再帰的入力し（ステップＳ９）、残差励振特性計算部２、励振特性精度計算部３及び励振特性精度判断部４は、ステップＳ２～Ｓ９を繰り返す。
ニューラルネットワーク１は、各素子の推定励振位相δ１＾’、・・・、δ８＾’を出力する（ステップＳ１０）。残差励振特性計算部２は、各素子の推定励振位相δ１＾’、・・・、δ８＾’と、各素子の残差励振位相δ１’、・・・、δ８’と、の間の各素子の残差励振位相δ１”（＝δ１’－δ１＾’）、・・・、δ８”（＝δ８’－δ８＾’）を計算する（ステップＳ１１）。各素子の正しい推定励振位相は、δｋ＝δｋ＾＋δｋ＾’＋δｋ＾”＋・・・となる。
第１実施形態の学習モデルの検証段階での推定失敗率を図７に示す。各素子の励振位相の推定回数が増加するにつれて、各素子の励振位相の推定失敗率が減少している。特に、所望推定位相誤差δＲＭＳＥ ｔｈｒｅｓが１５°である場合は、各素子の励振位相の推定回数が５回に達したときに、各素子の励振位相の推定失敗率が１％未満となる。
第１実施形態の学習モデルの検証段階での再帰的入力の成功例を図８に示す。図８の左欄では、アレーアンテナの各素子の１回目の残差励振位相を実線で示し、アレーアンテナの１回目の残差電力放射パターンに基づく、アレーアンテナの各素子の２回目の推定励振位相を破線で示す。図８の右欄では、アレーアンテナの１回目の残差電力放射パターンを破線で示し、アレーアンテナの２回目の残差電力放射パターンを実線で示し、アレーアンテナの理想電力放射パターン（各素子のゼロ励振位相）を点線で示す。
ここで、図８では、図４の最悪の場合でも、推定位相誤差δＲＭＳＥ＝５．３７°（数式１を参照）であった。そして、図８の左欄では、アレーアンテナの各素子の２回目の推定励振位相は、アレーアンテナの各素子の１回目の残差励振位相に近かった。さらに、図８の右欄では、アレーアンテナの１回目の残差電力放射パターンは、アレーアンテナの理想電力放射パターンから外れたが、アレーアンテナの２回目の残差電力放射パターンは、アレーアンテナの理想電力放射パターンに近かった。特に、所望推定位相誤差δＲＭＳＥ ｔｈｒｅｓが１５°である場合のみならず、所望推定位相誤差δＲＭＳＥ ｔｈｒｅｓが１０°である場合であっても、アレーアンテナの各素子の励振位相の推定成功が達成された。
よって、学習モデルを検証するにあたり、ごくまれに各素子の励振位相を誤推定しても、各素子の励振位相の推定成功までの推定回数を検証することができる。
（第１実施形態の励振特性の校正段階）
第１実施形態の励振特性校正装置の構成を図９に示す。第１実施形態の励振特性校正処理の手順を図１０に示す。アレーアンテナＡは、各素子の励振特性を校正する対象となるアレーアンテナである。励振特性校正装置Ｃは、ニューラルネットワーク１、励振特性校正部５、励振特性精度計算部６及び励振特性精度判断部７を備え、図１０に示した励振特性校正プログラムをコンピュータにインストールし実現することができる。
第１実施形態の励振特性の校正段階では、各素子の励振位相の推定失敗のときに、各素子の励振位相の推定成功まで、校正放射パターン（各素子の励振位相の校正時に測定する。各素子の校正励振位相は未知である。）の学習モデルへの再帰的入力を繰り返し、各素子の励振位相の校正処理の高精度化を実行する。以下に具体的な処理を説明する。
ニューラルネットワーク１は、測定放射パターン（各素子の未知の真の励振位相δ１、・・・、δ８）を入力する（ステップＳ１２）。ニューラルネットワーク１は、各素子の推定励振位相δ１＾、・・・、δ８＾（＾はハットを示す）を出力する（ステップＳ１３）。
励振特性校正部５は、各素子の推定励振位相δ１＾、・・・、δ８＾に基づいて、各素子の励振位相を校正し（δ１＾、・・・、δ８＾だけシフト）、校正放射パターンＰ（θ）（各素子の未知の校正励振位相δ１’、・・・、δ８’）を測定する（ステップＳ１４、Ｓ１５）。
励振特性精度計算部６は、校正放射パターンＰ（θ）と、各素子のゼロ励振位相０°、等しい励振振幅Ａ及び指向性パターンｇ１（θ）、・・・、ｇ８（θ）に基づく理想放射パターンＩ（θ）と、の間の差分に基づいて、放射相違係数ＤＣを計算する（ステップＳ１６、数式３）。ここで、Ｐ¯（¯はバーを示す）は、Ｐ（θ）の平均値であり、Ｉ¯（¯はバーを示す）は、Ｉ（θ）の平均値である。そして、放射相違係数ＤＣは、放射パターン絶対値によらず、放射パターン形状差が大きい／小さいときに、１／０に近くなる。
Figure 0007249449000004
励振特性精度計算部６は、各素子の未知の校正励振位相δ１’、・・・、δ８’に基づいて、推定位相誤差δＲＭＳＥを計算することができない（数式１）。しかし、放射相違係数ＤＣに基づいて、推定位相誤差δＲＭＳＥを間接的に推定することができる（次段落）。
励振特性精度計算部３は、全ての検証放射パターンについて、推定位相誤差δＲＭＳＥと放射相違係数ＤＣとの相関関係をプロット及びフィッティングする（ステップＳ６）。ここで、推定位相誤差δＲＭＳＥが増加するにつれて、放射相違係数ＤＣが単調増加している。そして、最小二乗法又はＬａｓｓｏを用いて、多項式フィッティングしている。
励振特性精度判断部７は、推定位相誤差δＲＭＳＥと放射相違係数ＤＣとの間のフィッティングｆ（δＲＭＳＥ）において、所望推定位相誤差δＲＭＳＥ ｔｈｒｅｓに基づいて、所望放射相違係数ＤＣ ｔｈｒｅｓ（＝ｆ（δＲＭＳＥ ｔｈｒｅｓ））を計算する（ステップＳ１７）。そして、校正放射パターンＰ（θ）の放射相違係数ＤＣが所望放射相違係数ＤＣ ｔｈｒｅｓと比べて小さいときに、各素子の励振位相の推定成功を判断する（ステップＳ１８）。一方で、校正放射パターンＰ（θ）の放射相違係数ＤＣが所望放射相違係数ＤＣ ｔｈｒｅｓと比べて大きいときに、各素子の励振位相の推定失敗を判断する（ステップＳ１９）。
励振特性精度判断部７は、校正放射パターンＰ（θ）の推定位相誤差δＲＭＳＥが計算できないため、推定位相誤差δＲＭＳＥに基づいて、各素子の励振位相の推定成功／失敗を判断できないが、校正放射パターンＰ（θ）のメイン／サイドローブの強度／幅に基づいて、各素子の励振位相の推定成功／失敗を判断してもよい（ステップＳ１８、Ｓ１９）。
励振特性精度判断部７は、各素子の励振位相の推定失敗のときに（ステップＳ１９）、各素子の励振位相の推定成功まで（ステップＳ１８）、校正放射パターンＰ（θ）をニューラルネットワーク１へと再帰的入力し（ステップＳ２０）、励振特性校正部５、励振特性精度計算部６及び励振特性精度判断部７は、ステップＳ１３～Ｓ２０を繰り返す。
ニューラルネットワーク１は、各素子の推定励振位相δ１＾’、・・・、δ８＾’を出力する（ステップＳ２１）。励振特性校正部５は、各素子の推定励振位相δ１＾’、・・・、δ８＾’に基づいて、各素子の励振位相を校正し、校正放射パターンＰ（θ）（各素子の未知の校正励振位相δ１”、・・・、δ８”）を測定する（ステップＳ２２、Ｓ１５）。各素子の正しい推定励振位相は、δｋ＝δｋ＾＋δｋ＾’＋δｋ＾”＋・・・となる。
よって、各素子の励振位相を校正するにあたり、ごくまれに各素子の励振位相を誤推定しても、各素子の励振位相の校正処理の高精度化を実行することができる。
（第２実施形態の学習モデルの概要）
第２実施形態の学習モデルの構成、入力及び出力を図１１に示す。学習モデルは、ニューラルネットワーク１であり、入力層１１、中間層１２及び出力層１３を備える。
入力層２１は、アレーアンテナの電界実部放射パターン及び電界虚部放射パターンが入力される。出力層２３は、アレーアンテナの各素子の励振位相及び励振振幅を出力する。中間層２２は、アレーアンテナの各素子の励振位相（ランダムに設定）及び励振振幅（０を含めない）と、アレーアンテナの電界実部放射パターン及び電界虚部放射パターンと、を備える複数の教師データを用いて、パラメータ（ノード間の結合係数）が学習される。
よって、アレーアンテナの各素子の初期励振位相振幅誤差の推定・補正において、多くの測定の手間及び時間を不要とするための、学習モデルを生成・利用することができる。すると、アレーアンテナの試験時間の大半は、アレーアンテナの各素子の初期励振位相振幅誤差の推定・補正ではなく、アレーアンテナの本質的な特性評価に充てられる。
しかし、図４に示した失敗例のように、学習モデルを検証するにあたり、高い確率で各素子の励振位相振幅を推定することができるが、ごくまれに各素子の励振位相振幅を誤推定することがある。そして、図４に示した失敗例のように、学習モデルを適用することにより、各素子の励振位相振幅を校正するにあたり、高い確率で各素子の励振位相振幅を推定することができるが、ごくまれに各素子の励振位相振幅を誤推定することがある。
（第２実施形態の学習モデルの検証段階）
第２実施形態の学習モデル検証処理の手順を図１２に示す。学習モデル検証装置Ｔは、第２実施形態においても第１実施形態と同様な構成を備え、図１２に示した学習モデル検証プログラムをコンピュータにインストールし実現することができる。
第２実施形態の学習モデルの検証段階では、各素子の励振位相振幅の推定失敗のときに、各素子の励振位相振幅の推定成功まで、残差放射パターン（各素子の残差励振位相振幅及び指向性パターンに基づいて計算する。）の学習モデルへの再帰的入力を繰り返し、各素子の励振位相振幅の推定成功までの推定回数を検証する。以下に具体的な処理を説明するにあたり、第２実施形態が第１実施形態と相違する部分のみを説明する。
ニューラルネットワーク１は、検証放射パターン（各素子の真の励振振幅Ａ１、・・・、Ａ８）を入力する（ステップＳ２３）。ニューラルネットワーク１は、各素子の推定励振振幅Ａ１＾、・・・、Ａ８＾（＾はハットを示す）も出力する（ステップＳ２４）。
残差励振特性計算部２は、各素子の推定励振振幅Ａ１＾、・・・、Ａ８＾と、各素子の真の励振振幅Ａ１、・・・、Ａ８と、の間の各素子の残差励振振幅Ａ１’（＝Ａ１－Ａ１＾）、・・・、Ａ８’（＝Ａ８－Ａ８＾）も計算する（ステップＳ２５）。残差励振特性計算部２は、各素子の残差励振振幅Ａ１’、・・・、Ａ８’及び指向性パターンｇ１（θ）、・・・、ｇ８（θ）にも基づいて、残差放射パターンＰ（θ）を計算する（ステップＳ２６）。
励振特性精度計算部３は、各素子の残差励振振幅Ａ１’、・・・、Ａ８’に基づいて、推定振幅誤差ＡＲＭＳＥも計算する（ステップＳ２７、数式４）。
Figure 0007249449000005
ここで、励振特性精度計算部３は、全ての検証放射パターンについて、推定位相誤差δＲＭＳＥと推定振幅誤差ＡＲＭＳＥと放射相違係数ＤＣとの相関関係をプロット及びフィッティングするわけではない（ステップＳ２８）。推定位相誤差δＲＭＳＥ及び推定振幅誤差ＡＲＭＳＥの組み合わせと、放射相違係数ＤＣとは、１対１に対応しないからである。
励振特性精度判断部４は、各々の検証放射パターンについて、推定振幅誤差ＡＲＭＳＥが所望推定振幅誤差ＡＲＭＳＥ ｔｈｒｅｓと比べて小さいときに、各素子の励振振幅の推定成功を判断する（ステップＳ２９）。一方で、各々の検証放射パターンについて、推定振幅誤差ＡＲＭＳＥが所望推定振幅誤差ＡＲＭＳＥ ｔｈｒｅｓと比べて大きいときに、各素子の励振振幅の推定失敗を判断する（ステップＳ３０）。或いは、残差放射パターンＰ（θ）のメイン／サイドローブの強度／幅に基づいて、各素子の励振振幅の推定成功／失敗を判断してもよい。
励振特性精度判断部４は、各素子の励振振幅の推定失敗のときに（ステップＳ３０）、各素子の励振振幅の推定成功まで（ステップＳ２９）、残差放射パターンＰ（θ）をニューラルネットワーク１へと再帰的入力し（ステップＳ３１）、残差励振特性計算部２、励振特性精度計算部３及び励振特性精度判断部４は、ステップＳ２４～Ｓ３１を繰り返す。
ニューラルネットワーク１は、各素子の推定励振振幅Ａ１＾’、・・・、Ａ８＾’も出力する（ステップＳ３２）。残差励振特性計算部２は、各素子の推定励振振幅Ａ１＾’、・・・、Ａ８＾’と、各素子の残差励振振幅Ａ１’、・・・、Ａ８’と、の間の各素子の残差励振振幅Ａ１”（＝Ａ１’－Ａ１＾’）、・・・、Ａ８”（＝Ａ８’－Ａ８＾’）も計算する（ステップＳ３３）。各素子の正しい推定励振振幅は、Ａｋ＝Ａｋ＾＋Ａｋ＾’＋Ａｋ＾”＋・・・となる。
よって、学習モデルを検証するにあたり、ごくまれに各素子の励振位相振幅を誤推定しても、各素子の励振位相振幅の推定成功までの推定回数を検証することができる。
（第２実施形態の励振特性の校正段階）
第２実施形態の励振特性校正処理の手順を図１３に示す。励振特性校正装置Ｃは、第２実施形態においても第１実施形態と同様な構成を備え、図１３に示した励振特性校正プログラムをコンピュータにインストールし実現することができる。
第２実施形態の励振特性の校正段階では、各素子の励振位相振幅の推定失敗のときに、各素子の励振位相振幅の推定成功まで、校正放射パターン（各素子の励振位相振幅の校正時に測定する。各素子の校正励振位相振幅は未知である。）の学習モデルへの再帰的入力を繰り返し、各素子の励振位相振幅の校正処理の高精度化を実行する。以下に具体的な処理を説明するにあたり、第２実施形態が第１実施形態と相違する部分のみを説明する。
ニューラルネットワーク１は、測定放射パターン（各素子の未知の真の励振振幅Ａ１、・・・、Ａ８）を入力する（ステップＳ３４）。ニューラルネットワーク１は、各素子の推定励振振幅Ａ１＾、・・・、Ａ８＾（＾はハットを示す）も出力する（ステップＳ３５）。
励振特性校正部５は、各素子の推定励振振幅Ａ１＾、・・・、Ａ８＾に基づいて、各素子の励振振幅も校正し（Ａ１＾、・・・、Ａ８＾だけシフト）、校正放射パターンＰ（θ）（各素子の未知の校正励振振幅Ａ１’、・・・、Ａ８’）を測定する（ステップＳ３６、Ｓ３７）。
励振特性精度計算部６は、各素子の未知の校正励振振幅Ａ１’、・・・、Ａ８’に基づいて、推定振幅誤差ＡＲＭＳＥも計算することができない（数式４）。そして、放射相違係数ＤＣに基づいて、推定振幅誤差ＡＲＭＳＥも間接的に推定することができない（次段落）。
ここで、励振特性精度計算部３は、全ての検証放射パターンについて、推定位相誤差δＲＭＳＥと推定振幅誤差ＡＲＭＳＥと放射相違係数ＤＣとの相関関係をプロット及びフィッティングするわけではない（ステップＳ２８）。推定位相誤差δＲＭＳＥ及び推定振幅誤差ＡＲＭＳＥの組み合わせと、放射相違係数ＤＣとは、１対１に対応しないからである。
励振特性精度判断部７は、校正放射パターンＰ（θ）の放射相違係数ＤＣが所望放射相違係数ＤＣ ｔｈｒｅｓと比べて小さいときに、各素子の励振振幅の推定成功を判断する（ステップＳ３８、Ｓ３９、Ｓ４０）。一方で、校正放射パターンＰ（θ）の放射相違係数ＤＣが所望放射相違係数ＤＣ ｔｈｒｅｓと比べて大きいときに、各素子の励振振幅の推定失敗を判断する（ステップＳ４１）。或いは、校正放射パターンＰ（θ）のメイン／サイドローブの強度／幅に基づいて、各素子の励振振幅の推定成功／失敗を判断してもよい。
励振特性精度判断部７は、各素子の励振振幅の推定失敗のときに（ステップＳ４１）、各素子の励振振幅の推定成功まで（ステップＳ４０）、校正放射パターンＰ（θ）をニューラルネットワーク１へと再帰的入力し（ステップＳ４２）、励振特性校正部５、励振特性精度計算部６及び励振特性精度判断部７は、ステップＳ３５～Ｓ４２を繰り返す。
ニューラルネットワーク１は、各素子の推定励振振幅Ａ１＾’、・・・、Ａ８＾’も出力する（ステップＳ４３）。励振特性校正部５は、各素子の推定励振振幅Ａ１＾’、・・・、Ａ８＾’に基づいて、各素子の励振振幅も校正し、校正放射パターンＰ（θ）（各素子の未知の校正励振振幅Ａ１”、・・・、Ａ８”）を測定する（ステップＳ４４、Ｓ３７）。各素子の正しい推定励振振幅は、Ａｋ＝Ａｋ＾＋Ａｋ＾’＋Ａｋ＾”＋・・・となる。
よって、各素子の励振位相振幅を校正するにあたり、ごくまれに各素子の励振位相振幅を誤推定しても、各素子の励振位相振幅の校正処理の高精度化を実行することができる。
本開示のアレーアンテナ学習モデル検証プログラム及びアレーアンテナ学習モデル検証方法は、ごくまれに各素子の励振特性を誤推定しても、各素子の励振特性の推定成功までの推定回数を検証することができる。本開示のアレーアンテナ励振特性校正プログラム及びアレーアンテナ励振特性校正方法は、ごくまれに各素子の励振特性を誤推定しても、各素子の励振特性の校正処理の高精度化を実行することができる。
Ｓ：教師データ記憶装置
Ｔ：学習モデル検証装置
Ａ：アレーアンテナ
Ｃ：励振特性校正装置
１：ニューラルネットワーク
２：残差励振特性計算部
３：励振特性精度計算部
４：励振特性精度判断部
５：励振特性校正部
６：励振特性精度計算部
７：励振特性精度判断部
１１：入力層
１２：中間層
１３：出力層

Claims (6)

  1. アレーアンテナの電力放射パターン、電界実部放射パターン及び電界虚部放射パターンのうちの少なくともいずれか一つを入力し、前記アレーアンテナの各素子の励振位相又は励振位相振幅を出力する前記アレーアンテナの学習モデルを検証するにあたり、
    前記各素子の真の励振位相又は真の励振位相振幅が既知である検証放射パターンを前記学習モデルへと入力し、前記各素子の推定励振位相又は推定励振位相振幅を前記学習モデルから出力する学習モデル入出力ステップと、
    （１）前記各素子の推定励振位相又は推定励振位相振幅と、前記各素子の真の励振位相又は真の励振位相振幅と、の間の前記各素子の残差励振位相又は残差励振位相振幅を計算する、あるいは、（２）前記各素子の残差励振位相又は残差励振位相振幅及び指向性パターンに基づいて、残差放射パターンを計算する残差励振特性計算ステップと、
    （１）前記各素子の残差励振位相又は残差励振位相振幅に基づいて、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度を計算する、あるいは、（２）前記残差放射パターンと、前記各素子のゼロ励振位相、等しい励振振幅及び指向性パターンに基づく理想放射パターンと、の間の差分に基づいて、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度を計算する励振特性精度計算ステップと、
    前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度が所定値と比べて高いときに、前記各素子の励振位相又は励振位相振幅の推定成功を判断し、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度が前記所定値と比べて低いときに、前記各素子の励振位相又は励振位相振幅の推定失敗を判断する励振特性精度判断ステップと、
    前記各素子の励振位相又は励振位相振幅の推定失敗のときに、前記各素子の励振位相又は励振位相振幅の推定成功まで、前記残差放射パターンを前記学習モデルへと再帰的入力し、前記学習モデル入出力ステップ、前記残差励振特性計算ステップ、前記励振特性精度計算ステップ及び前記励振特性精度判断ステップを繰り返し、前記各素子の励振位相又は励振位相振幅の推定成功までの推定回数を検証する推定回数検証ステップと、
    をコンピュータに実行させるためのアレーアンテナ学習モデル検証プログラム。
  2. 前記学習モデル入出力ステップは、前記検証放射パターンを前記学習モデルへと入力し、前記各素子の推定励振位相のみを前記学習モデルから出力し、
    前記励振特性精度計算ステップは、全ての前記検証放射パターンについて、前記各素子の残差励振位相に基づく、前記アレーアンテナ全体の励振位相の第１推定精度と、前記残差放射パターンと前記理想放射パターンとの間の差分に基づく、前記アレーアンテナ全体の励振位相の第２推定精度と、の間の相関関係をプロット及びフィッティングし、
    前記励振特性精度判断ステップは、前記第１推定精度と前記第２推定精度との間のフィッティングにおいて、所望第１推定精度に基づいて、所望第２推定精度を計算し、各々の前記検証放射パターンについて、前記第２推定精度が前記所望第２推定精度と比べて高いときに、前記各素子の励振位相の推定成功を判断し、前記第２推定精度が前記所望第２推定精度と比べて低いときに、前記各素子の励振位相の推定失敗を判断する
    ことを特徴とする、請求項１に記載のアレーアンテナ学習モデル検証プログラム。
  3. 請求項１又は２に記載のアレーアンテナ学習モデル検証プログラムが前記コンピュータに実行させる各ステップを備えることを特徴とするアレーアンテナ学習モデル検証方法。
  4. アレーアンテナの電力放射パターン、電界実部放射パターン及び電界虚部放射パターンのうちの少なくともいずれか一つを入力し、前記アレーアンテナの各素子の励振位相又は励振位相振幅を出力する前記アレーアンテナの学習モデルを適用することにより、前記アレーアンテナの各素子の励振位相又は励振位相振幅を校正するにあたり、
    測定放射パターンを前記学習モデルへと入力し、前記各素子の推定励振位相又は推定励振位相振幅を前記学習モデルから出力する学習モデル入出力ステップと、
    前記各素子の推定励振位相又は推定励振位相振幅に基づいて、前記各素子の励振位相又は励振位相振幅を校正し、校正放射パターンを測定する励振特性校正ステップと、
    前記校正放射パターンと、前記各素子のゼロ励振位相、等しい励振振幅及び指向性パターンに基づく理想放射パターンと、の間の差分に基づいて、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度を計算する励振特性精度計算ステップと、
    前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度が所定値と比べて高いときに、前記各素子の励振位相又は励振位相振幅の推定成功を判断し、前記アレーアンテナ全体の励振位相又は励振位相振幅の推定精度が前記所定値と比べて低いときに、前記各素子の励振位相又は励振位相振幅の推定失敗を判断する励振特性精度判断ステップと、
    前記各素子の励振位相又は励振位相振幅の推定失敗のときに、前記各素子の励振位相又は励振位相振幅の推定成功まで、前記校正放射パターンを前記学習モデルへと再帰的入力し、前記学習モデル入出力ステップ、前記励振特性校正ステップ、前記励振特性精度計算ステップ及び前記励振特性精度判断ステップを繰り返し、前記各素子の励振位相又は励振位相振幅の校正処理の高精度化を実行する校正高精度化ステップと、
    をコンピュータに実行させるためのアレーアンテナ励振特性校正プログラム。
  5. 前記学習モデル入出力ステップは、前記測定放射パターンを前記学習モデルへと入力し、前記各素子の推定励振位相のみを前記学習モデルから出力し、
    請求項２に記載のアレーアンテナ学習モデル検証プログラムを用いて、前記励振特性精度計算ステップにおいて、全ての前記検証放射パターンについて、前記各素子の残差励振位相に基づく、前記アレーアンテナ全体の励振位相の第１推定精度と、前記残差放射パターンと前記理想放射パターンとの間の差分に基づく、前記アレーアンテナ全体の励振位相の第２推定精度と、の間の相関関係がプロット及びフィッティングされ、
    前記励振特性精度判断ステップは、前記第１推定精度と前記第２推定精度との間のフィッティングにおいて、所望第１推定精度に基づいて、所望第２推定精度を計算し、前記校正放射パターンについての推定精度が前記所望第２推定精度と比べて高いときに、前記各素子の励振位相の推定成功を判断し、前記校正放射パターンについての推定精度が前記所望第２推定精度と比べて低いときに、前記各素子の励振位相の推定失敗を判断する
    ことを特徴とする、請求項４に記載のアレーアンテナ励振特性校正プログラム。
  6. 請求項４又は５に記載のアレーアンテナ励振特性校正プログラムが前記コンピュータに実行させる各ステップを備えることを特徴とするアレーアンテナ励振特性校正方法。
JP2022045526A 2022-03-22 2022-03-22 アレーアンテナ学習モデル検証プログラム、アレーアンテナ学習モデル検証方法、アレーアンテナ励振特性校正プログラム及びアレーアンテナ励振特性校正方法 Active JP7249449B1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022045526A JP7249449B1 (ja) 2022-03-22 2022-03-22 アレーアンテナ学習モデル検証プログラム、アレーアンテナ学習モデル検証方法、アレーアンテナ励振特性校正プログラム及びアレーアンテナ励振特性校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022045526A JP7249449B1 (ja) 2022-03-22 2022-03-22 アレーアンテナ学習モデル検証プログラム、アレーアンテナ学習モデル検証方法、アレーアンテナ励振特性校正プログラム及びアレーアンテナ励振特性校正方法

Publications (2)

Publication Number Publication Date
JP7249449B1 true JP7249449B1 (ja) 2023-03-30
JP2023139809A JP2023139809A (ja) 2023-10-04

Family

ID=85772187

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022045526A Active JP7249449B1 (ja) 2022-03-22 2022-03-22 アレーアンテナ学習モデル検証プログラム、アレーアンテナ学習モデル検証方法、アレーアンテナ励振特性校正プログラム及びアレーアンテナ励振特性校正方法

Country Status (1)

Country Link
JP (1) JP7249449B1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117892641A (zh) * 2024-03-18 2024-04-16 艾索信息股份有限公司 阵列天线的模型训练方法、预测方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008532437A (ja) 2005-03-02 2008-08-14 クゥアルコム・インコーポレイテッド マルチアンテナ伝送のための放射電力制御
JP2012186562A (ja) 2011-03-03 2012-09-27 Toshiba Corp アンテナ装置
US20210112425A1 (en) 2019-09-02 2021-04-15 Bao Tran Cellular system
JP2021143932A (ja) 2020-03-12 2021-09-24 日本無線株式会社 フェーズドアレイアンテナ較正装置、フェーズドアレイアンテナシステム及びフェーズドアレイアンテナ較正プログラム
JP2021158451A (ja) 2020-03-25 2021-10-07 日本無線株式会社 アンテナ装置およびアンテナ校正方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008532437A (ja) 2005-03-02 2008-08-14 クゥアルコム・インコーポレイテッド マルチアンテナ伝送のための放射電力制御
JP2012186562A (ja) 2011-03-03 2012-09-27 Toshiba Corp アンテナ装置
US20210112425A1 (en) 2019-09-02 2021-04-15 Bao Tran Cellular system
JP2021143932A (ja) 2020-03-12 2021-09-24 日本無線株式会社 フェーズドアレイアンテナ較正装置、フェーズドアレイアンテナシステム及びフェーズドアレイアンテナ較正プログラム
JP2021158451A (ja) 2020-03-25 2021-10-07 日本無線株式会社 アンテナ装置およびアンテナ校正方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Zhao Zhou et al.，Training of Deep Neural Networks in Electromagnetic Problems: a Case Study of Antenna Array Pattern Synthesis，2021 IEEE MTT-S International Wireless Symposium (IWS)，2021年08月10日

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117892641A (zh) * 2024-03-18 2024-04-16 艾索信息股份有限公司 阵列天线的模型训练方法、预测方法、装置、设备及介质
CN117892641B (zh) * 2024-03-18 2024-05-31 艾索信息股份有限公司 阵列天线的模型训练方法、预测方法、装置、设备及介质

Also Published As

Publication number Publication date
JP2023139809A (ja) 2023-10-04

Similar Documents

Publication Publication Date Title
US8154452B2 (en) Method and apparatus for phased array antenna field recalibration
JP3007344B2 (ja) 直交位相シーケンスによるフェイズドアレイ較正
US9735899B2 (en) Device and method for calibrating antenna array systems
EP3596780B1 (en) Self-calibration of antenna array system
JP5100650B2 (ja) 受信専用フェーズドアレイレーダアンテナの較正方法
JP7249449B1 (ja) アレーアンテナ学習モデル検証プログラム、アレーアンテナ学習モデル検証方法、アレーアンテナ励振特性校正プログラム及びアレーアンテナ励振特性校正方法
US20040199350A1 (en) System and method for determining measurement errors of a testing device
US10291335B1 (en) Beamforming calibration system and method
US20220311135A1 (en) Calibration system and calibration method for phased-array antenna
US11581957B2 (en) Testing and calibration of phased array antennas
CN116581541B (zh) 一种波束指向的修正方法及设备
JP6908406B2 (ja) レーダ送信ビーム校正装置、プログラム及び方法
TW202040872A (zh) 用於校準類比相控天線陣列的設備及方法
JP7223178B1 (ja) アレーアンテナの学習モデル生成方法及び学習モデル生成プログラム
US9130270B1 (en) Scan alignment system
US11005581B1 (en) Calibration of an antenna array that uses low-resolution phase shifters
US20230017555A1 (en) Over the air calibration of an advanced antenna system
US7088087B2 (en) Network analyzer including automatic port extension calibration and method of operation
KR102243445B1 (ko) 안테나 장치, 이를 구비하는 능동 위상배열 레이더, 및 이의 오차 교정방법
Shitikov et al. Multi-element PAA calibration with REV method
CN111123250B (zh) 基于模式搜索算法的脉冲多普勒雷达和波束形成方法
RU2731879C1 (ru) Способ повышения точности определения угла пеленга цели при сохранении взаимозаменяемости антенны в составе системы
TWI841067B (zh) 射頻單元的校正暨群測系統及其方法
JP4310022B2 (ja) アレーアンテナのキャリブレーション方法及びキャリブレーション装置
US20230168289A1 (en) Calibration and group testing system for radio frequency units and method therefor

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220322

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230117

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230217

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230307

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230317

R150 Certificate of patent or registration of utility model

Ref document number: 7249449

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150